R u Ready? Reproduzierbare Datenaufbereitung und -analyse mit R

HS 2025


LV-Leitung: Dr. Sandra Grinschgl / MSc. Aaron Friedli
Tutor: BSc. Lars Schilling


9. Einheit, 12.11.2025

Heute:

Besprechung Hands On Block 4 & Hausübung 1:

• Scheint sehr gut gelungen zu sein!

Probleme beim Einlesen –> Keine NAs sondern nur leere Zellen –> Andere Funktionen als read_delim genutzt.

data <- read_delim("raw/fake_bfi_dataset.csv", delim = ";")

bfi_10 <- drop_na(data)

Besprechung Hausübung 1:

Effizienter Code Beispiel aus den Musterlösungen mit across()

Argument 1: cols = –> welche colums sollen bearbeitet werden

Argument 2: .fns 👉 Welche Funktion wenden wir auf die cols. an.

data_bfi_recoded <- clean_data_bfi_10 |> 
  mutate(
    across(
      c(bfi_extra_1_r, bfi_agree_2_r, bfi_consc_2_r, bfi_neuro_2_r, bfi_open_2_r),
      ~ case_when(
        . == 1 ~ 5,
        . == 2 ~ 4,
        . == 3 ~ 3,
        . == 4 ~ 2,
        . == 5 ~ 1
      )
    )
  )

#Sparsamere Alternative

data_bfi_recoded <- clean_data_bfi_10 |>
  mutate(
    across(ends_with("_r"), ~ 6 - .)  # 6- Minus current Value . 
  )


data_bfi_recoded <- clean_data_bfi_10 |>
  mutate(
    across(ends_with("_r"), function(x) 6 - x) # Umgeschrieben
  )

Anonyme Funktionen

Hausübung 1

Falls eure gerenderten Skripte bei den Peer-Partnern nicht richtig angezeigt werden 👉 Im Header des Quarto-Dokuments

embed-resources = true

Genzplyr 💅

Falls euch die dplyr() Funktionen zu Öde sind 😄genzplyr - Hadley Wickham

library(genzplyr)

penguins |> 
  vibe_check(island, species, sex)
  yeet(island == "Biscoe")

Heute:

• Wide - Long
• Datenqualität (Schiefe, Kurtoseis, Ausreisser, Skalenreliabilität)

Wide to Long Tranformation:

• Wide: Jede Zeile bezieht sich auf eine Person und beinhaltet alle Messzeitpunkte

• Long: Pro Messung (repeated measures) eine Zeile, Personen strecken sich über mehrere Zeilen hinweg.

👉 Long Format is häufig benötigt für Analysen mit einem repeated measures Faktor

Transformation wide to long

Wie müssen wir den folgenden Datensatz transformieren, um ihn ins long Format zu bekommen?

Long to Wide mit pivot_longer()

Argumente:

• cols 👉Welche Variablen sollen transformiert (also zusammengestapelt) werden?

• names_to👉 Wie heisst die neue Variable, die den Messzeitpunkt (oder generell den ursprünglichen Spaltennamen) enthält?

• values_to👉 Wie heisst die neue Variable, in der die Werte aus den ursprünglichen Spalten gespeichert werden?

df_long <- df_wide |>
  pivot_longer(
    cols = starts_with("messzeitpunkt_t"),
    names_to = "messzeitpunkt",
    values_to = "score"
  )

df_long[1:3, 1:3]

# A tibble: 3 × 3
     id messzeitpunkt    score
  <int> <chr>            <dbl>
1     1 messzeitpunkt_t1    10
2     1 messzeitpunkt_t2    14
3     1 messzeitpunkt_t3    18

Long to Wide mit pivot_wider()

Argumente:

• names_from 👉Die Werte aus dieser Spalte (messzeitpunkt) werden wieder zu Spaltennamen.

• values_from👉Die Werte aus dieser Spalte (score) füllen die neu entstandenen Spalten.

df_wide_again <- df_long |> 
  pivot_wider(
    names_from = messzeitpunkt,
    values_from = score
  )

df_wide_again[1:4, 1:4]

# A tibble: 4 × 4
     id messzeitpunkt_t1 messzeitpunkt_t2 messzeitpunkt_t3
  <int>            <dbl>            <dbl>            <dbl>
1     1               10               14               18
2     2               12               15               17
3     3                9               13               15
4     4               11               12               16

Paket tidyr

pivot_longer() und pivot_wider() stammen aus dem Paket tidyr - Teil des tidyverse

Cheatsheet tidyr

Umgang mit fehlenden Werten: drop_na(), replace_na() stammen auch aus tidyr

Wichtige Funktionen Datenaufbereitung:

aus Einführung in R, Kapitel 4.1

Hands On!

• Code korrigieren / verbessern

• Long Transformationen